对应原书 《TikTok 选品》、《小红书投放审计》、《潮玩行情》、《内容维权》、《人才情报》、《政策补贴》、《招聘景气度》。同一套模式：爬公开数据 + LLM 清洗 → 订阅制情报。买家永远是怕亏钱/想多赚钱的三类人：卖家、品牌方、机构。
一、七个雷达一览
| 雷达 | 买家 | 定价 | 启动成本 | 天花板（推演） |
|---|---|---|---|---|
| TikTok 选品 | 跨境卖家 | 周报 99/月 + 定制脚本 1999 | 1000 元 | 200 人付费群月 2 万 |
| 小红书投放审计 | 品牌方/Agency | 周报 199 + SaaS 499/月 + 定制报告 1999 | 1500 元 | 月 3 万 |
| 潮玩行情 | 盲盒玩家/倒卖商 | 免费行情 + 9.9/月 + 商用 99/月 | 500 元 | 月 1.5 万 |
| 内容维权 | 万粉博主/MCN | 监控 299/年 + 赔偿抽佣 15-30% | 1000 元 | 月 3 万 |
| 人才情报 | 猎头/HR | 报告 500/份 + 订阅 1999/月 | 2000 元 | 月 5 万 |
| 政策补贴 | 科技中小企业 | 诊断 199/份 + 代办分成 5-10% | 1000 元 | 月 3-8 万 |
| 招聘景气研报 | 量化/机构 | 订阅 2999/月起 | — | 机构级 |
二、通用打法（每章验证方法几乎一样——一张截图）
在目标人群聚集的群里发一张”用脚本抓出来的数据”截图，等私聊：
- 跨境群：“这是我用脚本抓出的美区 TikTok 昨天单品销量增长前 50 名，想要完整版的加我私发。”
- 博主群：“我抓出了本周某个垂直赛道爆火的 10 个潜力低价达人，带评论情绪分析，谁想要？”
- 小红书发”本月 Labubu 相关单品价格波动表”，看评论区求链接的热情。
- 猎头：领英加 50 个同城猎头，问”本周刚更新的某大厂离职倾向人才名单（含技术背景），这一份你愿意付 100 块钱吗？”
- 政策：企查查搜”高新企业”，给刚拿证的企业发”大数据比对发现贵司还符合另外 3 项省市级补助”。
- 维权：私信常被抄袭的博主”我用脚本搜到你的内容在 3 个平台被盗用，想拿回补偿的话我帮你批量搞定，赔偿分成”。
截图比 Demo 好用：它同时证明了能力和数据的价值，获客成本 ≈ 0。
三、各雷达的核心功能与技术栈
- TikTok 选品：黑马监控（24h 销量增速 >300%）、竞品上新/调价追踪、爆款背后的达人清单；每日 Excel/PDF 自动推送微信/Telegram。技术：Python + Scrapy + Redis 去重 + 钉钉/企微机器人。
- 小红书审计：虚假流量预警（评论区重复词频判断水军）、竞品投放路径、潜力 KOC（粉丝少但单篇爆了的低价号）。技术：Playwright + Scrapy + Redis + LLM 评论区情绪聚类。
- 潮玩行情：全网比价估价（千岛/咸鱼成交数据）、溢价排行、收藏管家（实时算身价）。技术：Python + Pandas + Uniapp。
- 维权系统：图片哈希/视频 MD5 匹配、侵权自动存证（一键取证+时间戳）、自动化投诉信函/平台申诉、维权进度看板。技术：OpenCV 关键帧对比 + 法律文书模板。
- 人才情报：GitHub 活跃度/领英变动/财报高管变动监控、“大厂离职潮”预测（股价 + 脉脉情绪分析）、人才地图（谁跳槽跳哪、带走了谁）。技术：Scrapy + LLM 人才画像聚合。
- 政策补贴：每日抓各省市工信/科技厅申报通知；“一键诊断”（输入公司名→公开财报+专利数据匹配补贴项）；截止前 15 天倒计时提醒；LLM 生成申报书初稿。关键工程是让 LLM 把公文体压缩成 3 行”人话总结”：钱数、要求、deadline。
- 招聘景气：逻辑是招聘数据领先财报 1-2 个季度——JD 里某技术栈从”可选”变”必备”= 进入大规模商业化。产品形态：《行业景气度脱水周报》（AI 生成+人工校验）+ 异动 API（招聘岗位数突增 X% 触发钉钉报警）。此方向客户是机构、周期长，且容易滑向荐股红线，建议只卖”行业观察”不卖”个股信号”。
四、北极星指标与运营细节
- 《TikTok Shop 爆品监控脚本》 北极星：用户反馈的”选品准确率”；OKR 是人工干预 <10 分钟/天——自动化程度就是这门生意的毛利率。
- 《小红书达人投放数据雷达》 北极星：系统内”监控的达人数量”；OKR 覆盖 5 万名活跃达人历史数据、20 个品牌长期订阅。
- 《潮玩溢价监测与二手估价》 北极星：日均价格查询次数；KPI 是”估价与实际成交价的偏差率”——估错一次，玩家就卸载。
- 《垂直行业人才情报站》 北极星：数据库内”高意向候选人”更新准确率；猎头圈子极小，数据注水一次就出局。
- 《政策补贴自动匹配系统》 北极星：帮客户”匹配到的补贴总额”——按结果说话，代办分成才有底气。
五、坑（每一章的避坑指南都指向同三件事）
- 反爬是持续成本：TikTok 反爬极强，需要高质量海外代理 IP + 频繁换 User-Agent；小红书反爬全平台最严厉，要分布式爬虫集群。数据中断 = 订阅取消，这不是一次性开发是长期运维。模拟案例里的标准应对：动态代理池 + 数据缺失时 AI 补全预测（并告知客户哪部分是预测）。
- 法律红线：只抓前台公开数据，严禁碰后台和非公开用户数据（《小红书达人投放数据雷达》/《垂直行业人才情报站》 反复强调）；维权系统只做技术支撑和取证，法律事务必须转持牌律师；政策代办严禁造假骗补，只做合规申报；部分平台对”批量维权”有风控，投诉频率要控制。
- 脏数据清洗：二手平台刷单多，算法要剔除过高/过低的虚假成交；商品描述模糊（“出个小红”），用 LLM 做语义识别匹配到具体 IP 编号——这是 《潮玩溢价监测与二手估价》 首月 5000 查价用户的关键。